Rupal Patel: Synthetic voices, as unique as fingerprints

المترجم: Ahmed Alkhateeb المدقّق: Ayman Mahmoud

I'd like to talk today

أود الحديث اليوم

about a powerful and fundamental aspect

عن جانب قوي وأساسي

of who we are: our voice.

من هويتنا: صوتنا.

Each one of us has a unique voiceprint

لكل واحد منّا بصمة صوتية فريدة

that reflects our age, our size,

تعكس عمره، وحجمه،

even our lifestyle and personality.

وحتى أسلوب حياته وشخصيته.

In the words of the poet Longfellow,

وبكلمات الشاعر "لونجفيلو":

"the human voice is the organ of the soul."

"الصوت البشري هو العضو الذي يضم الروح."

As a speech scientist, I'm fascinated

نظرًا لكوني عالمة في الكلام، يدهشني

by how the voice is produced,

كيف يتم إصدار الصوت،

and I have an idea for how it can be engineered.

ولديّ فكرة عن كيف يمكن هندسته.

That's what I'd like to share with you.

وهذا ما أود أن أشاركه معكم.

I'm going to start by playing you a sample

سأبدأ بتشغيل مقطع صوتي

of a voice that you may recognize.

لصوت ربما تستطيعون تمييزه.

(Recording) Stephen Hawking: "I would have thought

(تسجيل) ستيفن هوكينغ: "كنت لأعتقد

it was fairly obvious what I meant."

أن ما قصدته كان واضحًا بما يكفي."

Rupal Patel: That was the voice

روبال باتل: كان هذا صوت

of Professor Stephen Hawking.

البروفسور ستيفن هوكينغ.

What you may not know is that same voice

ما لا تعرفونه أن الصوت نفسه

may also be used by this little girl

يمكن أن تستخدمه هذه الفتاة الصغيرة

who is unable to speak

التي لا تستطيع الكلام

because of a neurological condition.

بسبب حالة عصبية.

In fact, all of these individuals

في الحقيقة، كل هؤلاء الناس

may be using the same voice,

قد يستخدمون نفس الصوت،

and that's because there's only a few options available.

وهذا يرجع إلى أن الاختيارات المتاحة قليلة للغاية.

In the U.S. alone, there are 2.5 million Americans

في الولايات المتحدة الأمريكية وحدها، يوجد 2 مليون و 500 ألف أمريكي

who are unable to speak,

غير قادرين على الكلام،

and many of whom use computerized devices

والعديد منهم يستخدمون أجهزة حاسوب

to communicate.

للتواصل.

Now that's millions of people worldwide

الآن، ملايين من البشر حول العالم

who are using generic voices,

يستخدمون أصواتًا عامة،

including Professor Hawking,

ومن ضمنهم البروفسور هوكينغ،

who uses an American-accented voice.

الذي يستخدم صوتًا ذا لهجة أمريكية.

This lack of individuation of the synthetic voice

غياب تخصيص الصوت الاصطناعي

really hit home

أثّر بي كثيرًا

when I was at an assistive technology conference

حين كنت في مؤتمر للتقنيات المساعدة

a few years ago,

منذ عدة أعوام،

and I recall walking into an exhibit hall

وأتذكر أنّي دخلت إلى قاعة للعرض

and seeing a little girl and a grown man

ورأيت فتاة صغيرة مع رجل بالغ،

having a conversation using their devices,

يتبادلان الحديث باستخدام أجهزتهما،

different devices, but the same voice.

جهازين مختلفين، لكنهما بنفس الصوت.

And I looked around and I saw this happening

نظرت حولي ورأيت هذا يحدث

all around me, literally hundreds of individuals

في كل مكان من حولي، حرفيًا، مئات من الأشخاص

using a handful of voices,

يستخدمون أصواتًا معدودة،

voices that didn't fit their bodies

أصوات لا تلائم أجسامهم

or their personalities.

ولا شخصياتهم.

We wouldn't dream of fitting a little girl

لن نحلم أبدًا بملائمة فتاة صغيرة

with the prosthetic limb of a grown man.

مع طرف اصطناعي لرجل بالغ.

So why then the same prosthetic voice?

فلماذا إذن نفعل ذلك مع الصوت الاصطناعي؟

It really struck me,

لقد صدمني ذلك،

and I wanted to do something about this.

ورغبت في أن أفعل شيئًا حياله.

I'm going to play you now a sample

سأقوم الآن بتشغيل مقطع صوتي

of someone who has, two people actually,

لشخص، أو شخصين في الواقع

who have severe speech disorders.

يعانيان من اضطرابات شديدة في الكلام.

I want you to take a listen to how they sound.

وأود منكم أن تحاولوا الإنصات للصوت الذي يصدرانه.

They're saying the same utterance.

إنهما يقولان نفس المعنى.

(First voice)

(الصوت الأول)

(Second voice)

(الصوت الثاني)

You probably didn't understand what they said,

ربما لم تستطيعوا فهم ما قالاه،

but I hope that you heard

لكني أتمنى أن تكونوا قد سمعتم

their unique vocal identities.

هويتهما الصوتية الفريدة.

So what I wanted to do next is,

ما أردت فعله بعد ذلك هو،

I wanted to find out how we could harness

أني أردت التوصل إلى كيفية تسخير

these residual vocal abilities

تلك القدرات الصوتية المتبقية

and build a technology

وبناء تقنية

that could be customized for them,

يمكن ملائمتها لتناسبهم،

voices that could be customized for them.

أصوات يمكن ملائمتها لتناسبهم.

So I reached out to my collaborator, Tim Bunnell.

فذهبت إلى شريكي، تيم بونل.

Dr. Bunnell is an expert in speech synthesis,

دكتور بونل خبير في تركيب الكلام،

and what he'd been doing is building

وما كان يفعله هو بناء

personalized voices for people

أصوات مخصصة للناس

by putting together

بتجميع

pre-recorded samples of their voice

مقاطع تم تسجيلها مسبقًا لأصواتهم

and reconstructing a voice for them.

وإعادة بناء صوت من أجلهم.

These are people who had lost their voice

هؤلاء هم الذين فقدوا أصواتهم

later in life.

بعد ذلك خلال حياتهم.

We didn't have the luxury

لم تكن لدينا رفاهية

of pre-recorded samples of speech

الحصول على مقاطع مسجلة

for those born with speech disorder.

لهؤلاء الذين وُلدوا باضطراب في الكلام.

But I thought, there had to be a way

لكني فكّرت، يجب أن تكون ثمة طريقة

to reverse engineer a voice

لهندسة صوت عكسيًا

from whatever little is left over.

من البقايا القليلة الموجودة.

So we decided to do exactly that.

فقررنا أن نفعل ذلك تمامًا.

We set out with a little bit of funding from the National Science Foundation,

بدأنا بتمويل محدود من المؤسسة الوطنية للعلوم،

to create custom-crafted voices that captured

لإنشاء أصوات معدّة خصيصًا لتلتقط

their unique vocal identities.

هوياتهم الصوتية الفريدة.

We call this project VocaliD, or vocal I.D.,

نحن ندعو هذا المشروع فوكاليدي، أو فوكال آي دي،

for vocal identity.

للهوية الصوتية.

Now before I get into the details of how

الآن قبل الدخول في تفاصيل كيفية

the voice is made and let you listen to it,

صناعة الصوت وجعلكم تستمعون إليه،

I need to give you a real quick speech science lesson. Okay?

أنا بحاجة إلى أن أعطيكم درسًا سريعًا جدًا في علم الكلام. موافقون؟

So first, we know that the voice is changing

أولاً، نحن نعلم أن الصوت يتغير

dramatically over the course of development.

بشكل هائل خلال تطورنا

Children sound different from teens

يختلف صوت الأطفال عن المراهقين

who sound different from adults.

الذين بدورهم لهم أصوات تختلف عن البالغين.

We've all experienced this.

كلنا نعرف ذلك جيدًا.

Fact number two is that speech

الحقيقة الثانية هي أن الكلام

is a combination of the source,

هو مزيج بين المصدر،

which is the vibrations generated by your voice box,

وهو الاهتزازات التي يتم إنشاؤها بواسطة حنجرتك،

which are then pushed through

والتي يتم ضغطها بعد ذلك عبر

the rest of the vocal tract.

بقية القناة الصوتية.

These are the chambers of your head and neck

هذه هي الحجرات الموجودة في برأسك وعنقك

that vibrate,

التي تهتز،

and they actually filter that source sound

وتقوم فعلاً بترشيح صوت المصدر هذا

to produce consonants and vowels.

لتصدر الحروف الساكنة وحروف العلة.

So the combination of source and filter

ذلك أن الجمع بين المصدر والمُرشّح

is how we produce speech.

هي الطريقة التي يصدر صوتنا من خلالها.

And that happens in one individual.

ويحدث ذلك في فرد واحد.

Now I told you earlier that I'd spent

لقد أخبرتكم في وقت سابق أني قد أمضيت

a good part of my career

جزءًا كبيرًا من حياتي المهنية

understanding and studying

في فهم ودراسة

the source characteristics of people

الخصائص التي تميز مصدر الصوت للذين

with severe speech disorder,

يعانون من اضطراب شديد في الكلام،

and what I've found

وما وجدته

is that even though their filters were impaired,

أنه على الرغم من أن تلك المرشحات كانت معطوبة،

they were able to modulate their source:

فإنهم كانوا قادرين على ضبط مصدرها:

the pitch, the loudness, the tempo of their voice.

درجة الصوت، وارتفاعه، وإيقاعه.

These are called prosody, and I've been documenting for years

وتسمى هذه "العروض"، ولقد كنت لسنوات أقوم بتوثيق

that the prosodic abilities of these individuals

أن القدرات "العروضية" لهؤلاء الأفراد

are preserved.

محفوظة.

So when I realized that those same cues

وعندما أدركت أن تلك الأمور نفسها

are also important for speaker identity,

مهمة كذلك لهوية المتكلم.

I had this idea.

تكونت لديّ هذه الفكرة.

Why don't we take the source

لماذا لا نأخذ المصدر

from the person we want the voice to sound like,

من الشخص الذي نريد أن يكون الصوت مماثلاً له،

because it's preserved,

لأنه يتم حفظه،

and borrow the filter

ونقترض المُرشح

from someone about the same age and size,

من شخص ما بنفس السن والحجم تقريبًا،

because they can articulate speech,

لأن بإمكانه التعبير بالكلام،

and then mix them?

ومن ثم نمزجهما معًا؟

Because when we mix them,

لأنه عندما نمزج بينهما،

we can get a voice that's as clear

يمكننا الحصول على صوت واضح،

as our surrogate talker --

مثل ذلك "المتكلم البديل" —

that's the person we borrowed the filter from—

وهو الشخص الذي اقترضنا المُرشح منه —

and is similar in identity to our target talker.

ويشبه في هويته الشخص الذي نريد أن نصنع صوتًا له.

It's that simple.

الأمر بسيط إلى هذه الدرجة.

That's the science behind what we're doing.

وهذا هو الجانب العلمي وراء ما نقوم به.

So once you have that in mind,

وعندما تكون لديك تلك الفكرة،

how do you go about building this voice?

كيف يمكنك أن تسعى إلى بناء هذا الصوت؟

Well, you have to find someone

حسنًا، يجب عليك البحث عن شخص ما

who is willing to be a surrogate.

يرغب في أن يكون "متكلمًا بديلاً".

It's not such an ominous thing.

إنه ليس شيئًا خطيرًا أبدًا.

Being a surrogate donor

أن تكون متكلمًا بديلاً.

only requires you to say a few hundred

يتطلب منك الأمر فقط أن تقول بضع مئات

to a few thousand utterances.

إلى بضعة آلاف من الكلمات.

The process goes something like this.

يسير الأمر على هذا النحو تقريبًا.

(Video) Voice: Things happen in pairs.

(فيديو) صوت: تحدث الأمور في أزواج.

I love to sleep.

أحب النوم.

The sky is blue without clouds.

السماء زرقاء بلا غيوم.

RP: Now she's going to go on like this

روبال باتل: الآن سوف تستمر على هذا المنوال

for about three to four hours,

لحوالي ثلاث إلى أربع ساعات،

and the idea is not for her to say everything

والفكرة ليست في أن تقول كل شيء

that the target is going to want to say,

سيريد الشخص المستهدف أن يقوله،

but the idea is to cover all the different combinations

لكن الفكرة هي تغطية جميع التركيبات المختلفة

of the sounds that occur in the language.

من الأصوات التي تحدث في اللغة.

The more speech you have,

كلما كان لديك كلامًا أكثر،

the better sounding voice you're going to have.

صار الصوت الذي ستحصل عليه أفضل.

Once you have those recordings,

وبمجرد الانتهاء من تلك التسجيلات،

what we need to do

ما نحتاج إلى القيام به

is we have to parse these recordings

نقوم بتجزيء تلك التسجيلات

into little snippets of speech,

إلى قصاصات صغيرة من الكلام،

one- or two-sound combinations,

تركيبات صوتية مفردة أو مزدوجة،

sometimes even whole words

وأحيانًا كلمات بأكملها

that start populating a dataset or a database.

تبدأ في ملء مجموعة بيانات أو قاعدة بيانات.

We're going to call this database a voice bank.

سنطلق على قاعدة البيانات تلك "البنك الصوتي".

Now the power of the voice bank

قوة هذا البنك الصوتي

is that from this voice bank,

أن من هذا البنك الصوتي،

we can now say any new utterance,

يمكننا أن نقول أي كلام جديد،

like, "I love chocolate" --

مثل، "أنا أحب الشوكولاته" --

everyone needs to be able to say that—

الجميع بحاجة إلى أن يكون قادرًاعلى قول ذلك –

fish through that database

تجوّل في قاعدة البيانات تلك

and find all the segments necessary

وستجد جميع الأجزاء اللازمة

to say that utterance.

لقول هذا الكلام.

(Video) Voice: I love chocolate.

(فيديو) صوت: أنا أحب الشوكولاته.

RP: So that's speech synthesis.

روبال باتل: هذا هو تركيب الكلام.

It's called concatenative synthesis, and that's what we're using.

إنه يسمى التوليف التراتبي، وهذا ما نستخدمه.

That's not the novel part.

ليس هذا هو الجزء المستحدث.

What's novel is how we make it sound

المستحدث هو كيف نجعله يبدو كصوت

like this young woman.

هذه المرأة الشابة.

This is Samantha.

هذه سامانثا.

I met her when she was nine,

التقيتها عندما كانت في التاسعة من عمرها،

and since then, my team and I

ومنذ ذلك الحين، فريقي وأنا

have been trying to build her a personalized voice.

سعينا إلى بناء صوت مخصص لها.

We first had to find a surrogate donor,

كان علينا أولاً العثور على متبرع بديل،

and then we had to have Samantha

ومن ثم كان علينا أن نجعل سامانثا

produce some utterances.

تقول بعض التعبيرات.

What she can produce are mostly vowel-like sounds,

ها يمكنها أن تنتجه غالبًا هي أصوات شبيهة بحروف العلة،

but that's enough for us to extract

ولكن هذا يكفينا لاستخراج

her source characteristics.

خصائص مصدرها الصوتي.

What happens next is best described

ما سيحدث بعد ذلك أفضل وصف له

by my daughter's analogy. She's six.

هو تعبير ابنتي. هي في السادسة من عمرها.

She calls it mixing colors to paint voices.

إنها تدعوه "مزج الألوان لتلوين الأصوات".

It's beautiful. It's exactly that.

هذا جميل. الأمر كذلك بالضبط.

Samantha's voice is like a concentrated sample

صوت سامانثا يشبه عينة مركزة

of red food dye which we can infuse

من صبغ الطعام الأحمر الذي يمكننا أن نبثه

into the recordings of her surrogate

في تسجيلات بديلها

to get a pink voice just like this.

للحصول على صوت وردي كهذا.

(Video) Samantha: Aaaaaah.

(فيديو) سامانثا: آااااه.

RP: So now, Samantha can say this.

روبال باتل: حتى الآن، باستطاعة سامانثا قول هذا.

(Video) Samantha: This voice is only for me.

(فيديو) سامانثا: هذا الصوت لي أنا فقط.

I can't wait to use my new voice with my friends.

لا أستطيع الانتظار لاستخدام صوتي الجديد مع أصدقائي.

RP: Thank you. (Applause)

روبال باتل: شكرًا لكم. (تصفيق)

I'll never forget the gentle smile

لن أنسى أبدًا الابتسامة الرقيقة

that spread across her face

التي انطبعت على وجهها

when she heard that voice for the first time.

عندما سمعت ذلك الصوت للمرة الأولى.

Now there's millions of people

الآن هناك ملايين البشر

around the world like Samantha, millions,

حول العالم مثل سامانثا، الملايين،

and we've only begun to scratch the surface.

ولقد بدأنا فقط بخدش السطح.

What we've done so far is we have

ما فعلناه حتى الآن أننا نملك

a few surrogate talkers from around the U.S.

القليل من المتكلمين البديلين من جميع أنحاء الولايات المتحدة الأمريكية

who have donated their voices,

الذين تبرعوا بأصواتهم،

and we have been using those

ولقد تم استخدام تلك

to build our first few personalized voices.

لبناء الأصوات الأولى التي قمنا بتخصيصها.

But there's so much more work to be done.

ولكن هناك أكثر من ذلك بكثير ينبغي القيام به.

For Samantha, her surrogate

في حالة سامانثا، جاءت بديلتها

came from somewhere in the Midwest, a stranger

من مكان ما في وسط الغرب، شخص غريب

who gave her the gift of voice.

قدم لها هدية الصوت.

And as a scientist, I'm so excited

و كعالمة، أنا متحمسة كثيرًا

to take this work out of the laboratory

لإخراج هذا العمل من المختبر

and finally into the real world

إلى العالم الحقيقي أخيرًا

so it can have real-world impact.

حتى يكون بإمكاننا التأثير في العالم الحقيقي.

What I want to share with you next

ما أريد أن أشارككم به بعد ذلك

is how I envision taking this work

هو كيف أتصور أخذ هذا العمل

to that next level.

إلى هذا المستوى التالي.

I imagine a whole world of surrogate donors

أتصور عالمًا كاملاً من المانحين البديلين

from all walks of life, different sizes, different ages,

من جميع مناحي الحياة، بأحجام مختلفة، وأعمار مختلفة،

coming together in this voice drive

يشتركون معًا في محرك الأصوات هذا

to give people voices

ليعطوا غيرهم أصوات

that are as colorful as their personalities.

ملونة كما هي شخصياتهم.

To do that as a first step,

للقيام بذلك كخطوة أولى،

we've put together this website, VocaliD.org,

قمنا بإنشاء هذا الموقع، VocaliD.org،

as a way to bring together those

كطريقة للجمع بين الذين

who want to join us as voice donors,

يرغبون في الانضمام إلينا كمتبرعين بالأصوات،

as expertise donors,

كمتبرعين بخبراتهم،

in whatever way to make this vision a reality.

بأي شكل يجعل من هذه الرؤية حقيقة.

They say that giving blood can save lives.

يقولون أن التبرع بالدم يمكن أن ينقذ حياة.

Well, giving your voice can change lives.

حسنًا، إن التبرع بصوتك يمكنه تغيير حياة.

All we need is a few hours of speech

كل ما نحتاجه بضع ساعات من الكلام

from our surrogate talker,

من المتكلم البديل،

and as little as a vowel from our target talker,

والقليل من المتكلم المستهدف، حتى ولو حرف علة،

to create a unique vocal identity.

لإنشاء هوية صوتية فريدة.

So that's the science behind what we're doing.

هذا هو الجانب العلمي وراء ما نقوم به.

I want to end by circling back to the human side

أريد أن أنهى حديثي بالعودة إلى الجانب الإنساني

that is really the inspiration for this work.

فإنه حقاً مصدر الإلهام لهذا العمل.

About five years ago, we built our very first voice

منذ حوالي خمس سنوات بنينا صوتنا الأول

for a little boy named William.

لصبي صغير اسمه وليام.

When his mom first heard this voice,

حين سمعت والدته هذا الصوت للمرة الأولى،

she said, "This is what William

قالت: "هذا هو الصوت

would have sounded like

الذي كان ليصدره ويليام

had he been able to speak."

لو كان قادرًا على الكلام."

And then I saw William typing a message

ثم رأيت ويليام يكتب رسالة

on his device.

على جهازه

I wondered, what was he thinking?

تساءلت، بمَ كان يفكر؟

Imagine carrying around someone else's voice

تخيّلوا أن تحملوا صوت شخص آخر

for nine years

لتسعة أعوام

and finally finding your own voice.

وفي النهاية تعثرون على صوتكم الخاص.

Imagine that.

تخيّلوا ذلك.

This is what William said:

هذا هو ما قاله ويليام:

"Never heard me before."

"لم أسمع نفسي قط قبل ذلك."

Thank you.

شكرًا لكم.

(Applause)

(تصفيق)